量化金融在职硕士

2018年12月27日,由清华金融评论与量化云战略合作的“2018全球量化金融峰会”将在北京清华大学正式举办。与以往各届全球量化金融峰会相比,“2018全球量化金融峰会”将在承袭往届峰会诸多优点的基础上,从峰会主视觉、峰会内容等多个方面开展别具匠心的革新。目前,峰会相关筹备工作正紧张而有序地推进,一场专为投资者精心打造,集传承与创新于一体的高品质量化金融盛会呼之欲出。全球量化金融峰会致力于发展为亚太顶尖、世界一流、具有全球影响力的量化金融峰会。大会邀请业界权威、商界领袖和学界专家,在深入解读国家法律和监管政策的同时,分享量化投资的成功经验,秉承“高品质、高规格、高口碑”的宗旨,打造量化投资界交流互动平台,助力量化投资在传统金融领域和互联网金融中的相互融合,促进国内外资本市场的创新与繁荣。“2018全球量化金融峰会”将邀请权威的政策制定者、业界专家学者以及金融机构高管,为投资者深度剖析量化行业发展现状。在清华大学国家金融研究院资产管理研究中心、清华大学国家金融研究院民生财富管理研究中心、清华大学深圳研究生院量化投资研究中心的大力指导下,量化云作为战略合作伙伴将参与清华金融评论《全球量化金融行业2018年度回顾》发布,该报告通过专题讨论、企业调研走访、专家访谈、闭门研讨等多种形式,对量化投资领域政策、实践及发展现状等展开讨论和研究总结,力争为投资者呈现最前沿、最全面的量化金融行业研究信息。在“2018全球量化金融峰会”期间,量化云将于清华五道口金融学院旗下清华金融评论签订战略合作协议,量化云将正式成为清华金融评论战略合作伙伴。自量化云与清华金融评论达成战略合作意向至今,双方已共同合作举办了“2017全球量化金融峰会”、“2018全球量化金融峰会”深圳专场、“2018全球量化金融峰会”上海专场。量化云与清华金融评论战略合作伙伴关系的达成,是双方在量化投资领域产学结合的体现。截至“2018全球量化金融峰会”开办前,全球量化金融峰会已连续成功举办三届共计五场,会址遍及北京、深圳、上海,先后累计邀请证券、期货、私募、保险等行业嘉宾70+位,现场互动嘉宾4000+位,远程在线互动嘉宾200000+人次,参与媒体150+家,建立主峰会+区域峰会的模式,以最大强度辐射影响各大金融市场,在量化金融及金融科技领域建立了广泛的群众基础和权威品牌。张伟中央财经大学经济学学士,中国人民银行研究生部(现为清华大学五道口金融学院)经济学硕士,中国人民银行研究生部经济学博士。清华大学五道口金融学院副研究员(副教授),CFP认证培训资深讲师,金融风险管理师(FRM),全球风险管理师协会正式会员。现任清华校友总会理事,《清华金融评论》副主编兼编辑部主任,清华大学五道口金融学院校友办主任。张伟博士曾任中国人民银行研究生部教研处副处长、中国金融教育发展基金会金融理财标准委员会教研部主任、中国人民银行研究生部行政处副处长(主持工作)、清华校友总会副秘书长。主要从事宏观经济、货币政策、汇率体制、股票投资、外汇投资、金融稳定机制、金融危机预警机制等方面研究。张晓燕现任清华大学五道口金融学院鑫苑金融学讲席教授,清华大学五道口金融学院副院长,清华大学金融科技研究院副院长,兼任鑫苑房地产金融科技研究中心主任。张晓燕教授毕业于北京大学经济学院,并于2002年获哥伦比亚商学院金融学博士学位。她曾任美国康奈尔大学约翰逊管理学院金融学助理教授、普渡大学克兰纳特管理学院金融系讲席教授兼金融系主任。2014年,她被财富杂志评为“全球40岁以下40位最佳商学院教授”之一。张晓燕教授2017年被任命为证监会第十七届发行审核委员会委员。张晓燕教授主要的研究领域包括资产管理,机构投资,以及应用计量经济学。张教授关于波动率对股价的影响研究,以及做空行为研究多次获得国际论文奖。陈卓现任清华大学五道口金融学院助理教授,民生财富管理研究中心副主任。陈卓博士于2014年毕业于美国西北大学凯洛格商学院,获得金融学博士学位。在此之前,他获得了美国杜克大学的经济学硕士学位和北京大学工程学与经济学双学士学位。他曾经在中信证券的产品与策略部实习,主要从事全球资产配置和风险管理的研究工作。曾在花旗集团的投资银行部实习,参与了一家中国工程机械制造企业的香港IPO募集工作。姚余栋英国剑桥大学经济学博士、清华大学五道口金融学院硕士、博士生导师,中国人民银行金融研究所前所长,现任大成基金管理有限公司副总经理兼首席经济学家,中小银行发展论坛秘书长、直销银行联盟秘书长、金融街88号论坛秘书长,中国养老金融50人论坛首席经济学家等。在《经济研究》和《金融研究》等国内外顶级学术刊物上发表了多篇文章。专著《学习经济》、《重燃中国梦想》、合著《通胀预期与货币政策》、参与编著《新供给:经济学理论的中国创新》。2015年 9月 8日,与杨涛博士首次共同提出“共享金融”的理论。吴超量化云创始人、CEO,金融学博士,CCTV证券资讯频道特约嘉宾,福建电视台新闻观察员。曾在国际顶尖投行担任大中华区副总裁,拥有18年证券和期货从业经验,10年国际量化对冲基金经理生涯。管理单只基金规模超过20亿元。2000年开始从事股票、现货与期货套利交易,在现货、期货和股票的联动交易上颇有研究和投资收获。经历多轮熊牛转换,对金融投资领域有深刻认识,对股票、期货和外汇市场投资均有丰富的经验。林健武现任国金基金量化投资总监,清华大学深圳研究生院金融学客座教授,量化投资研究中心主任。林博士在华尔街从事金融投资十多年,曾经在美国50大对冲基金之一的迈格尼塔投资公司担任全球量化投资战略交易总监,负责数十亿美元全球量化基金的金融投资交易。在这之前,他就职于美国摩根史坦利和高盛等国际一流投资机构近十年,曾担任高盛投资战略副总裁。林先生是国际金融工程师协会(IAFE)风险管理委员会委员。曾荣获国际IEEE论文奖,兼任美国学术刊物审稿专家,《中国证券期货》杂志主编。陈曦主要负责量化策略模型开发和检验、投资组合管理及风险管理。曾经先后任职于汇丰银行、国信证券等多家金融机构,熟悉国内外金融市场和各种金融及衍生产品。在多家高校担任校外研究生导师,管理的量化投资基金业绩在国内同类型策略中长期排名居前,2016年获得新财富评选的中国TOP50对冲基金经理。【峰会日程】【主办单位】清华金融评论【战略合作伙伴】量化云【学术指导单位】清华大学国家金融研究院资产管理研究中心清华大学国家金融研究院民生财富管理研究中心【承办单位】北京清控金媒文化科技有限公司【时间】2018年12月27日(星期四) 13:30-17:30【地点】清华大学【主题】量化投资新机遇:聚焦监管、共商发展13:00-13:30嘉宾签到13:30-13:35主持人开场13:35-13:45主办方致辞13:45-14:35主旨演讲(含全球量化金融行业2018年度回顾)张晓燕清华大学五道口金融学院教授、副院长,清华大学国家金融研究院副院长姚余栋大成基金副总经理兼首席经济学家,中国人民银行金融研究所原所长14:35-14:45 2018中国量化投资风云榜颁奖典礼(一)14:45-15:35主题论坛一:大资管与量化投资主持人:陈卓 清华大学五道口金融学院助理教授、清华大学国家金融研究院民生财富管理研究中心副主任曾杰 华宝证券资产管理部总经理吴超 量化云创始人、CEO获奖私募机构领导15:35-15:45清华金融评论与量化云战略合作签约仪式15:45-16:35主旨演讲聂庆平中国证券金融股份有限公司董事长余剑峰清华大学五道口金融学院建树金融讲席教授、清华大学国家金融研究院资产管理研究中心主任16:35-16:45中国量化投资风云榜颁奖典礼(二)16:45-17:25主题论坛二:金融科技与量化投资主持人:何丽峰嘉实基金智能投研平台高级经理林健武国金基金量化投资总监,清华大学深圳研究生院客座教授、量化投资研究中心主任沈毅 银河期货有限公司技术总监陈曦 凯纳资本创始合伙人17:30活动结束

来源：证券日报本报记者刘会玲近日，由上海财经大学金融学院下属量化金融研究中心（以下简称“上财量化金融研究中心”）推出了全新的期货量化实盘交易高级研修班。该课程由上财量化金融研究中心研发，国泰君安期货公司支持，共同对外发布。上财量化金融研究中心是上财金融学院成立的专业研究中心之一，重点是研究金融科技在量化投资、智能风控、智能投研中的应用，致力于打通高校学术研究和企业需求之间的隔阂。国泰君安期货有限公司是国泰君安证券股份有限公司的全资子公司。具有商品期货经纪业务、金融期货经纪业务、期货投资咨询、资产管理业务资格。针对本课程国泰君安期货提供程序化报备和交易的服务支持。据悉，该课程面向机构及专业投资者，涵盖了计算机编程、数据库技术、机器学习、交易策略、舆情监控、量化软件等主题，将原有的人工交易经验转化为量化策略并提升改进。实现期货交易的自动化和智能化，大大降低量化交易门槛。与市场其他量化课程不同，该课程并非单纯强调技术分析策略和人工智能算法，而且提供量化实盘交易软件以及程序化交易报备等一站式服务支持。针对本课程的开设，上财量化金融研究中心主任曹啸教授表示：目前宏观环境导致新一轮的私募机构大洗牌，只有积极拥抱金融科技，主动转型的机构才有机会脱颖而出。同时，量化投资在国内还属于起步阶段，交易量占比非常低。为此，上财量化金融研究中心愿意携手国泰君安期货，推动量化投资普及，促进金融行业发展。（编辑白宝玉）

出国读书，商科是大多数同学的选择，提到商科，那金融肯定是跑不了的。通过国际经济形势判断，金融行业也会是长期火热的高薪行业，但是随着竞争的日趋激烈，金融行业的入门门槛也是在持续走高，留学经历已经是各大知名企业的入门要求。而在众多的可选留学国家之中，美国则凭借其卓越的学术声望，优秀的校友资源和丰富的工作实习机会成为当之无愧的最优选择。奥通留学蔡老师带领大家分析一下美国金融硕士留学：首先，美国有哪些学校硕士开设金融专业？通常而言，MF的项目一般是1年的学制，时间久一点的也就是17，8个月两年的项目很少；费用呢大范围基本在4.5万美金——7万美金之间，5万美金左右是比较主流的；地理位置当然也是咱们考虑的重要因素之一，金融作为商科专业的一员非常看重学生的实践能力，所以学校如果是在纽约或者波士顿LA地区确实是给项目的综合价值加分不少，下面咱们就根据学校具体的聊一下。第一梯队：Princeton(普林斯顿大学)-Master in Finance普林斯顿的MSF有点特殊，他的课程设置偏向工程很多说他是金融工程也没啥毛病，但又不是ME的项目，要求申请人具备相当强的数理背景，申请难度极高，在这不多介绍。MIT(麻省理工学院)-Master of FinanceMIT的Sloan商学院应该就不必太多介绍了，很棒。他的MF项目属于STEM之内，强调学习金融理论，量化模型分析和具体的行业实践。项目时常是12或18个月，18个月的项目会多出1个秋季学期和一个春季的实习。斯隆商学院的MF项目09年才开始，15年推出了18个月的计划，每年的计划人数60个左右，录取难度高到没谱学费在80000到100000美金之间。Columbia University in the City of New York哥伦比亚大学Master of Science in Financial Economics金融经济学，项目时长是两年，学费的话每个学分2400+美金，STEM项目专业，第二梯队：Washington University (St. Louis)圣路易斯华盛顿大学Master of Science In Finance10或17个月的项目，课程强调定量知识在金融领域的运用，接受的申请的时候不会限制学生的北京和工作经验。但是从经验来看，还是有相关数理背景和工作经验的学生更受青睐。Boston College波士顿学院Master of Science in Finance，BC的金融项目向来是非常受到学生欢迎的。毕竟地理位置好，城市的经济发达对学生有着巨大吸引。BC的项目时常一年，招生主要针对有相关工作经验的业内人士，平均工作时间为2.8年，虽然往年是曾经有过应届生被录取，但是这属于个例，如果应届生想申请的话最好能找个经验丰富的老师评估。项目每年的招生名额在50+左右竞争还是很激烈的，每年学费6万+Vanderbilt University范德堡大学Master of Science in Finance。范德堡的商学院一直是学校的优势学院，小班教学和低国际生比例都是学校的传统，但录取难度也相应更高，虽然不要求工作经验但是标化成绩要求比较高，项目时长一年左右，学费6万+，每年的招生人数基本一只手就可以数得过来。值得注意的是该项目开课在7月份，应届生要做好准备。University of Illinois at Urbana & ChampaignMaster of Science in Finance，UIUC伊利诺伊香槟分校是传统金融强校尤其是本科和博士的教育享誉世界，Msater的教育相对差一点主要是招的人多，（但是说实话美国的硕士项目本来也是这样，人家设置的目的就是给那些在职工作的人培养专业能力，提升社交关系的。学术性本来）类似的还有普度大学西拉法叶，罗彻斯特，乔治华盛顿，杜兰大学，布兰迪斯，里海大学等等第三梯队：这一档次我认为是一些非热门院校，这个非热门呢主要是指学校排名可能比上述学校低了一些或者可能没有排名，但并不是说学校不好，下文会和大家介绍。而且地理位置相对差了一些。比如Villanova University维拉诺瓦这个学校真的值得大家多多注意，这所学校以前并不在美国的综合排名之内，但是这并不代表学校不好，事实上这所学校位于宾州费城的西郊，是该州天主教最大学校，和乔治城大学一起代表了天主教大学的最高水平，他的学术声誉在美国人眼里是完全不输于纽约大学，波士顿学院等顶级名校的。之所以一直不被各种排名列入只是因为学校的Master和PHD项目比较少被归为地区性大学而已，就像达特茅斯学院和布朗，假如没顶着藤校的名号，就凭他们千八百本科生的规模，一样可能不出现在US NEWS的排名当中。所以去年一入榜直接就被排在了top50的位置上。MSF这个学校开设金融硕士项目，项目时长还1年，课程设计基本是为学生毕业后能直接工作而设计，学费4万+而且本科GPA高的话奖学金也比较好申请。当然录取要求也不低，基本可以参考第二梯队的录取标准，而且过两年应该还会更高一些。Bentley University本特利大学可能对大家而言也是一个比较陌生的名字，好多人也许听都没听过，但是这所学校同样非常优秀，他的商学院属于美国顶级，会计专业和MIT并驾齐驱，学校在波士顿，规模不大只有大几千的学生。MSF该校的金融项目是学校的王牌专业之一，毕业和入职可以划成等号，STEM项目，毕业生牛的不行，平均薪资超过10万美金。项目时常1年左右，要求面试。其他的威海奥通国际表示像霍夫斯特拉大学，克拉克，德雷塞尔，罗切斯特理工，特拉华，天普等等也是在这一梯队，当然录取难度要比前两个梯队的学校高很多。其次，如何申请美国金融硕士？申请的话呢其实很多都在上文提到了。材料上没什么特别的，就是标化成绩+文书。比重的话大概来说成绩占40%文书占60%。其中成绩没啥好说的，就是申请的人太多了，竞争太激烈把学校的录取成绩推高了。申请的话什么成绩申请什么学校大家随意百度下就能找到。申请文书重点：美国大学的文书商科研究生就是这么几样个人陈述PS，简历CV，推荐信RL，essay。大家一定要有一个意识，这些文书是一套东西，不是分开的。PS代表你自己对专业对学校对自己的认识，推荐信是别人对你的评价，essay是学校想要了解的你，简历是整体的概括你的经历。三维加整体一起对你评价，科学极了。作为一个商科的学生，奥通留学蔡体民老师表示你必须在文书里面表现出你的逻辑。说清楚基本思路，比如你申请金融，那思路上是不是应该按照你是怎么产生了对金融的兴趣，在你产生兴趣之后你怎么去了解他，和他发生了什么故事，现在你对金融有什么思考，未来打算怎么结合金融和你的人生，为什么选择我们学校，我们有什么特点吸引你，以及你未来打算怎么成功。推荐信的话，其实很难自己控制但是推荐人一定要慎重考虑。有个要素必须考虑，就是他是否真的和你有接触，如果你真的找了一个泰山北斗级别的推荐人，审核材料的时候学校第一反应就是要看看他和你是什么关系，如果你们没有真正的工作或者学术上的交流，那这封推荐信就显得比较尴尬。其次，比较好的推荐信，是需要注意的。四个字——有理有据。比如写到，某某具备优秀沟通能力和独特的分析视角。具体怎么体现呢，最好能有比较具体的实例来证明。而且如果举得例子能和你的PS呼应当然会更好一点。另外，其实就是essay了，但是每所学校对essay的要求不一样，很难说的详细，但是有一点是肯定的，你的essay不好好揣摩题目或者问题的内涵，那这篇essay不如不写。举个例子威海奥通留学分享，去年MIT的MSF有一篇essay是让学生作为自己的推荐人给自己写一篇推荐信，出题的人当时肯定特别有成就感，但是学生就没那么开心了，怎么写呢？我和文案当时分析要展现学生对自己的了解程度是必须的，但是要想写的出色还是得结合MIT招学生的偏好，MIT官网的项目介绍写的清楚那种能够make some differences的学生是他们的最爱。怎么体现呢，一个是主观意愿，一个是客观能力。表示我们选取了她参加活动之后在学校商学院的分享会上发言的例子。描绘她在活动中的感悟，分享前的准备与提高，分享的效果，以及在分享以后学弟学妹门咨询时她对他人的影响。最后，咱有关于就业:与金融行业比较对口的公司肯定是在金融、证券、投资等领域。低端一点呢就在各大银行，这些地方虽然实力强劲但毕竟人员众多，门槛很低，一般赚钱不会很多。高端一些呢，在投行，证券比较多一些。投行的规模一般也比较大，门槛相对不高，当然收入也不会太多。证券呢人数比投行这种动辄上万员工的企业还是少很多，门槛较高，收入也比投行高很多，估摸着看的话一倍左右。再高端一点呢，就是基金，资本公司这些地方，比如IDG，摩根斯坦利这些。人数会比较少，门槛很高，美本或美研应届生一般只招TOP50的，国内TOP20，其他国家英国top10，澳新加很难这些国家除了有限的1-2所学校能拿出手剩下的都不是太有竞争力，如果学生能进的话肯定个人能力非常强。如果实习经历会很有竞争力，这也是美国学校牛的地方，机会太多了。赚钱最多的呢，奥通留学蔡体民老师个人认为是那些战略咨询公司，DBM德勤，麦肯锡，波士顿。或者四大的咨询部门，埃哲森也很厉害。入门要求比上一个更难一般只招TOP20的，国内TOP10，其他国家英国G5。薪水开始就能达到30万左右，每年翻一倍，两年一晋。升当然这些地方工作压力也很大，淘汰残酷，第一梯队的咨询工作基本是两年为限，要么升职要么淘汰。所以高薪也意味着高压力，希望同学们在未来的道路上能够披荆斩棘，勇往直前！

提到量化基金，相信很多老基民都不陌生。因为在2016年之前，量化基金的整体表现还是可圈可点的。不仅平均收益率能跻身公募基金行业的上游，甚至有部分量化基金的业绩跑到了市场的前列。数据显示，在2013年12月31日至2016年6月30日期间，A股的23只主动管理的量化基金中，有17只基金的业绩跑赢了同期的沪深300和中证500指数，占比达到了73.5%。在这23只主动管理的量化基金中，更是有超过半数的基金跑赢了同期的创业板指数。然而到了2016年以后，这23只量化基金的业绩却来了个大变样。比如曾经业绩排名第一的长信量化先锋基金(519983)，从2016年6月30日至今的收益率为-24.32%。由上图可知，在2016年6月30日至2018年9月18日期间，只有交银阿尔法(519712)和华泰柏瑞量化(000172)基金的表现尚可，其他基金的表现都很一般。那为什么会出现这种情况呢？其实要回答这个问题，笔者认为，就不得不说下当时的市场。在2015年之前，A股市场一直有炒作小市值股票的传统。只要公司股票的总市值小(小盘股)，那么它就是很多投机者的首选标的。因为小盘股的盘子小，要想拉动股价所需要的资金也不多。所以在这种背景下，以创业板为代表的小盘股，其上涨幅度远超同期的大盘股。基金公司作为专业的机构投资人，肯定也看到这一点。所以也就纷纷成立只投资小盘股的量化基金。比如上文提到的长信量化先锋基金(519983)。由上图可知，从2013年至今，这只基金主要是投资小盘股，投资大盘股的比例很少超过30%。这种只投资小盘股的量化基金并非个例，比如还有大摩多因子策略基金(233009)。由上图可知，从2013年至今，这只基金也是主要投资小盘股，投资大盘股的比例就没有超过20%。所以通过押宝“小盘股”，这些量化基金都获得了不错的收益率。可是随着沪港通、深港通等海外资金的不断流入，A股兴起了一股投资大蓝筹股的炒作风潮。这时候，那些押宝“小盘股”的量化基金日子就不好过了。当然，风格切换只是很多量化基金表现不好的其中一个原因，更多的原因还包括了量化基金的各种量化策略，以及决定这种策略的量化因子，这里我们就不深究了。看到这里，可能有些基民会问，既然量化基金不行了，那么是不是意味着大家可以抛弃这个品种了呢？其实完全没有这个必要。因为在过去几年，也有业绩表现很好的量化基金(主动型)。这些业绩表现好的量化基金，显然是吸取过去只押宝“小盘股”量化基金的经验。因此其投资策略或量化模型可能就变的更加合理了。本文源自麻利二铺

来源：交易门“回首2019年，资本市场改革开放进一步深化，国际化程度越来越高。在金融市场发展大提速的大背景下，金融衍生品也在密集上市补齐资本市场短板。2019年11月8日，经国务院同意，证监会宣布正式启动扩大股票、股指期权试点工作。12月23日，A股市场迎来期权大扩容，当天，沪深300股指期权合约在中国金融期货交易所上市，这是我国境内首只股指期权品种。沪深300ETF期权合约（标的为华泰柏瑞沪深300ETF）在上交所上市；沪深300ETF期权（标的为嘉实沪深300ETF）在深交所上市。自2015年2月上证50ETF期权上市以来，金融期权此次再次上新3个品种，尤其值得关注的是之前市场缺乏的股指期权。值此股指期权上市之际，东证期货和交易门特邀请多位嘉宾从理论和实战角度介绍如何运用多种金融衍生品工具 ，更好地满足量化投资者风险管理的需求。”金融衍生品应用探讨1活动详情活动时间：2020年1月15号（周三） 14:00 – 17:00活动地点：上海浦东滨江大道主办方：东证期货联合主办方：交易门2出席嘉宾主讲嘉宾：税煜 中国金融期货交易所交易部高级经理上海财经大学管理学博士，中国金融期货交易所、复旦大学联合培养博士后，曾任职于中金所研发部、中国证监会市场部。目前从事中长期资金投资风险管理研究与监管规则优化、会员监管与服务等工作。主讲嘉宾：章顺 东证衍生品研究院数据创新中心资深分析师、工学学士，金融工程硕士，负责基本面量化研究。独自研发并形成了基本面和量化共振的研究体系。研究框架包含基本面量化研究和量化策略研究。基本面量化包含两个层次，一是各层次的数据库，二是基本面量化模型。在第十届中国最佳期货经营机构暨最佳分析师评选中，获得“最佳金融量化策略工程师”称号。主讲嘉宾：李晓辉 东证衍生品研究院金融工程高级分析师、复旦大学物理学系博士，经济物理学专业方向，自2016年7月入职东证期货衍生品研究院。主要从事CTA策略等方面的研究工作，已有研究成果包括日内趋势突破策略、日间趋势策略（包括长线趋势择时、机器学习预测等）、套利策略商品期货阿尔法策略。在第十届及十一届中国最佳期货公司暨最佳分析师评选中获"最佳金融量化策略工程师"称号主讲嘉宾：童心 洛书投资2018年初加入洛书投资，目前担任期权投资经理，加入洛书前曾就职于境内、外私募，一直从事期权投研工作。2014-2016就职于上期所从事期权合约设计工作。本科毕业于谢菲尔德大学，硕士毕业于帝国理工、卡斯商学院。3活动流程14:00-14:10 开场致辞14:10-14:40 税煜：金融衍生品情况介绍14:40-15:20 章顺：国债期货择时和套利交易模型15:20-16:00 李晓辉：股指期货的量化投资策略应用16:00-16:20 茶歇16:20-17:00 童心：股指期权策略应用前景分享活动报名

金融科技（FinTech）的风口下，想进入核心岗位找到自己的机会，在这个风口中起飞，却不懂数据和编程？你正在失去机会……1. 金融行业中数据和python技能的重要性金融行业天然要跟数据打交道，它基本是全世界各个行业中最依赖于数据的，而且也最容易实现数据的变现，越来越多传统投资银行正在开始逐步转型成为科技公司。大数据在金融行业中已经不是一个多么新鲜的技术了，如今的FinTech中，基本就是大数据技术与人工智能技术，应用极其广泛，比如：①风险定价：定价永远是金融市场中最核心的部分之一，绝大部分金融活动都涉及到风险和收益的平衡。大数据技术，可以让金融产品的颗粒度精确到每个人。②信息优势：无论对于一级市场还是二级市场投资，拥有更早更多更准确的信息，会让投资人获得先发优势而最终转化为投资回报。大数据技术，正可以从庞大的数据中获得别人看不见的信息③量化投资：可以从大量数据中，利用科学的方法认识市场波动，通过实证方法验证投资假设，有效控制风险暴露，提高投资效率。凡此种种，不胜枚举。需要频繁处理大量数据的岗位，就必然需要借助得心应手的工具，这样可以让工作效率大大提高。虽然数据科学领域中有大量语言和工具可供选择，但多家引领行业的Top Tier公司们却不约而同的用上了Python：在JPMorgan、BoA等，不管是做CoreStrategist或中台后台，都是需要工作人员具备Python技能做数据处理。据英国《金融时报》报道，摩根大通分析师和员工中，有三分之一已经接受过Python编程培训。高盛集团对全球2500名高盛夏季实习生进行调查， 当问到“你认为哪个语言在未来会更重要”时，在被调查的全球2500名80、90后优秀年轻人中，72%选了Python。可以看到，Python所代表的数据科学分析能力和编程能力正成为年轻人乃至整个世界最看好的热门或者说必备技能。我们也从各大招聘网站，摘录了一些金融行业核心热门职位的技能要求：这类结合了金融、数理统计、编程能力的核心职位，受行业周期波动影响小，未来发展前景明朗，是一个让人想想就有点小激动的工作领域。2. 目前大家普遍的差距，是挑战更是机会然而，与市场需求极度不匹配的是，金融相关专业的人才虽然不少，但同时掌握数据分析技能的复合型人才却极度紧缺。《2018中国人才招聘趋势报告》称数据分析人才最稀缺，供给指数最低。猎聘、智联招聘等多个网站对于数据分析岗位的人才需求每年以37.1%的速度激增，但基础性大数据分析人才缺口高达1400万，严重跟不上市场需求。3. 数据分析=编程，晦涩难学？大数据，量化，Fintech，Python，这些关键词在过去几年中热度不断提升，网络上各种资源也是层出不穷。但之前有不少同学跟我们反馈：☆ 网上的很多课程对于非理工科背景，没有很好编程基础的小白来说，并不是很友好，大量晦涩难懂的专业术语、复杂高深的知识点罗列，实际的入门门槛并不低。☆ 金融行业的Python学习，不同于以IT系统开发、运维等为目的的Python学习，我们并不需要达到程序员的水平，更需要关注的是金融数据的处理分析方法，而不是大而全的Python知识以及针对程序员的题海战术。☆ 仅仅是编程知识点学习，学完之后，依然不知道在金融行业中应该怎么应用，我们真正更加需要的是，掌握如何通过Python来处理金融数据，来实现技术分析，来进行量化投资策略回测等实际操作，要进行这些，金融业务的逻辑也是我们必须要了解的，而大多课程中并不涉及。☆ 在传统的、非项目制的编程语言学习之后，简历中也只能单薄地写上“熟悉python”这一句，没有实战项目经历支撑，说服力和竞争力都并不足够。4、学习金融行业数据分析技能的正确姿势目标金融行业核心岗位，真正有效的学习方式，还是核心技能+实战。以未明学院往期一位金融专业学员为例，其完成的《业绩预告效应及影响因子研究》项目经历，就完整地体现出其在数据获取、数据处理、数据分析、金融基础、工具使用等各方面的能力。数据获取能力：数据是现在几乎所有金融类项目的支撑，所以多渠道的数据获取能力非常关键。该项目可以反映出该同学良好的数据获取能力。金融基础：通过金融量化项目，可以表现自己坚实的金融基础，对金融市场，Markowitz，CAPM，有效市场等等基础知识有所应用，让招生官或HR了解自己与专业的匹配度。数学基础：描述统计和推论统计分析是金融/金工等专业的重要基础，利用量化项目可以很直观地展示出自己在这些领域的能力。数据处理能力：金融实践离不开数据处理能力，对异常值、重复值、缺失值等的熟练处理，都可以通过项目经历来表现。 数据分析能力：面对大量数据，能从数据中发现规律和趋势，是招生官和HR都极为看重的能力，而通过项目实战，这一能力亦可展示出来。工具使用：能熟练使用分析工具是定量研究的核心能力之一，项目过程中所使用的统计软件及可视化工具等，也能作为重点在简历中提及。最后，该同学也凭借这段经历，成功拿到了兴业证券的全职offer。以金融为基础，数学和编程为手段，进行实际量化项目操作呈现相关报告，这样的经历将会成为整个简历的亮点。我们往届学员的经历，都在不断重复证明着这一点。01中山大学 信息管理与信息系统研究生offer：哥伦比亚大学金融工程 量化项目经历：员工持股计划（ESOP）事件驱动策略研究◆ 梳理ESOP的主要流程及相关信息披露规定；◆ 通过金融终端收集历年（2011-2017）ESOP事件相关数据，按年份、申万行业、所属板块、公司属性等多个角度，对数据进行分类统计和可视化展示；◆ 对ESOP事件的股价效应进行统计分析，从不同类别角度，详细分析由此产生的投资机会，并撰写研究报告。02华东师范大学 金融学实习offer：申万宏源证券固收总部量化项目经历：多因子研究系列之成长类因子测试◆通过Wind终端提取因子测试所需的个股基本面、行情序列数据，以及市场指数数据；◆运用Python等软件工具，将ST股票、上市不满1年的股票、以及无法交易的股票数据进行剔除；对基本面和行情数据进行去极值、标准化、滞后匹配等数据处理；◆从收益率分析、IC分析及换手率，分别测试成长类因子在A 股整体、不同市场阶段以及不同风格/行业/成分股选股的有效性；◆参与报告撰写。03四川大学 经济学全职offer：工行总部数据中心量化项目经历：基于回归模型的行业轮动策略研究◆选取28个申万一级行业中除国防军工和综合之外的行业，构建六大板块，使用choice金融终端进行数据采集，并进行数据清洗；◆对周频对数收益率序列进行去极值、中心化、标准化等预处理操作，提升回归效果；◆使用主成分回归法，利用六大板块当期收益率序列对各板块下期收益率序列做回归，构建定价方程，并对每个截面生成下一期各行业收益率预测值，指导最终配置。

一、院校介绍上海财经大学(Shanghai University of Finance and Economics)是中华人民共和国教育部直属的一所以经管为主，法、文、理协调发展的多科性全国重点大学，是国家“211工程”、“985工程优势学科创新平台”重点建设高校。在上海的高校中，一共有12所院校设有金融硕士专业，包括，复旦大学、上海交通大学、上海财经大学、华东师范大学、上海对外经贸大学、华东理工大学、上海理工大学、东华大学、上海师范大学、上海外国语、华东政法、上海大学。其中复旦和交大会更倾向于985/211院校的学生，而上财则更加看重学生的能力，而不是本科背景。上海财经大学有两个学院包含有金融专硕专业，分别是经济学院和金融学院。经济学院研究方向是金融计量，金融学院的研究方向主要有公司金融和财富管理。二、专业介绍招生学院：经济学院招生专业：金融硕士学制学费：168000/2年研究方向：A 组：11(全日制)金融计量B 组：12(全日制)国际组织人才培养（其中国际组织人才培养方向仅接受上海财经大学本校推免生报考）三、复试参考书《计量经济学导论——现代观点》伍德里奇 （Jeffrey M. Wooldridge），第 3 版初试考试科目：①101 思想政治理论②204 英语二③301 数学一④431 金融学综合招生学院：金融硕士招生专业：金融硕士学费学制：138000/2年（上财伯克利方向168000/2.5年）研究方向：A 组：01(全日制)金融分析师 （303数三）B 组：02(全日制)金融科技03(全日制)金融工程与量化投资（301数一）C 组：04(全日制)财富管理(396 经济类联考综合能力)D 组：05(非全日制)上财伯克利全球财富管理(396 经济类联考综合能力)E 组 06(全日制)全球金融 硕士双学位项目(303数三）F 组： 07(全日制)国际组织人才培养备注：B 组金融科技金融工程与量化投资方向复试 须加试计算机编程（C++），考试内容参考《C++ 程序设计》（第 2 版）谭浩强，清华大学出版社 （2011 年），其他方向不指定参考书。考试科目①101 思想政治理论 ②204 英语二③303 数学三（301数学一 、303数学三、396经济类联考综合能力）④431 金融学综合A组的金融分析师近两年报考人数都在1000人左右，在考研这样一个选拔性的考试中，竞争者的数量和竞争难度是正相关的，所以金融分析师的考试难度也是最大的。但是，风险越大，收获越大，金融分析师也是上海财大最好的专业。B组虽然报考人数少了很多，但并不意味着难度就小。B组报考人数少的一个很大原因在于，B组需要考数学一，对考生的数学水平要求很高。C组曾经是在职研究生，从2017年开始改为全日制，考试内容没有变化。从师资和认可度上来说，肯定比以上两者差一些，但挂着上海财大的牌子，并且是在上海财大本部学习。从考试分数上而言，C组财富管理方向每年都比A、B组低，性价比很高。但是，不排除复试过程中，上海财大从其他组调剂学员过来参加复试，事实上2017年就发生这种情况。D组是在青岛参加学习，在师资方面肯定是不如本部的，同时该组是在职的研究生（非全日制定向培养），适合已经参加工作的考生报考。项目学费为16.8万元/2.5年，一般为周末授课，获取证书：“上海财经大学金融硕士研究生毕业证书”与“上海财经大学金融硕士学位证书”，以及“加州大学伯克利分校授予的课程结业证书”。考试难度较小。E组是联合办学模式，学生第一年在上海财大金融学院就读，第二年赴国外合作院校（包括新加坡管理大学、北卡罗来纳大学夏洛特分校、辛辛那提大学）金融硕士项目就读，第三年返回上海财大金融学院继续课程学习并完成学位论文。需要注意的是，该项目要求学生的GMAT/GRE成绩证明，以及托福或雅思成绩证明，并且学费较高（2018年为108000元+外方学费）F组国际组织人才培养方向仅接受上海财经大学本校推免生报考。初试参考书（431金融学综合）核心参考书戴国强《货币金融学》奚君羊《国际金融学》罗斯《公司理财》和郭丽虹《公司金融学》，特别是郭丽虹（书中例题和课后习题非常重要，考题会有原题）博迪《投资学》和金德环《投资学教程》，重点是博迪辅助参考书：戴国强《商业银行经营学》（考题中涉及到一些商业银行学内容，如RAROC、合约承诺收益率、资本充足率等。）张亦春《金融市场学》（作为工具书使用）三、关于431金融学综合相关解析（1）上海财大金融专硕不考简答题。因此，考生偏向于理解，而不是背诵，原因在于不涉及到记忆性考题。（2）建议在复习过程中，针对考试题型进行复习。比如，既然不考简答题，考生可以不练习简答题；单项选择题比重高，一定要多加练习；计算题有难度，一定要多加练习，包括教材课后习题。（题型：单项选择题、计算题、论述题）（3）从2019年考卷来看，计算题强化了投资学相关内容计算，所以一定要多加重视投资学内容。（4）三道论述题一般都和热点相关，如2019年考了美联储加息、华为上市利弊分析以及小米同股不同权问题。本文整理自网络，如有侵权请联系删除。

来源：排排网官微在私募发展的历程中，既有“公奔私”大潮为私募行业输送了优秀的投资人才与投资理念，又有量化私募的蓬勃发展进一步激发了市场活力。2010年被视为是中国量化对冲基金的元年，这是由于在当年的4月6日，国内第一个股指期货合约标的沪深300股指期货正式上市，国内量化对冲策略从此开始崭露头角。由于可以有效的控制净值回撤，在过去十年的时间里，量化对冲不仅逐步深入人心，还在市场中占据越来越高的比重。与此同时，国内量化私募的发展也是如火如荼，量化私募圈还出现“北九坤南幻方”、“量化四大天王”等说法。2020年百亿量化私募再扩容，截至今年9月初，国内百亿量化私募阵营已经增至7家，除了此前就已经站稳百亿的明汯投资、宁波幻方量化、灵均投资、幻方量化、九坤投资、金锝资产外，近期加入百亿量化私募阵营的正是鸣石投资。从百亿量化私募实际办公地分布来看，上海地区3家领先，北京与杭州则各有2家，同为私募重镇的深圳目前尚无量化私募规模破百亿。鸣石投资备案规模超百亿，国内百亿量化私募增至7家在2019年以前，在百亿私募群体，核心策略大多是股票多头与债券策略。但是从2019年开始，量化私募在百亿私募中的占比越来越高，截至9月初，国内百亿量化私募数量已经增加至7家，其中不乏有量化私募管理规模更是突飞猛进超过500亿元。量化投资是从海量历史数据中寻找能够带来超额收益的多种“大概率”事件，按照这些规律构建数量化模型，并严格按照模型进行投资。相较于传统的主观多头，量化投资既可以规避的主观经验偏差，还能很好的控制净值回撤，也正因如此，量化策略也受到市场的热捧，资金更是快速涌向头部量化私募机构。由于策略容量有限，包括幻方量化、九坤投资等量化私募等曾进行过阶段性封盘，不过在解决产品策略有效性、规模对产品收益率的影响后，上述量化私募部分策略依旧可以接受申购。根据私募排排网组合大师数据监测，鸣石投资近期管理规模也是超过百亿元。鸣石投资成立于2010年12月，公司专注于量化投资，投资范围涉及股票、期货、期权等，是中国证券业基金协会会员单位，还具备投顾资格。鸣石投资的投研团队实力雄厚，公司汇聚了一批来自美国宾夕法尼亚大学沃顿商学院等名校、具有资深金融学术背景、掌握前沿金融理论的投研人，学院派背景还保证了策略的原创性和策略库的丰富性，能够不断适应市场变化和政策变化。在具体的投资策略上，鸣石投资采用机器学习算法，机器通过对过去的价量数据、舆情数据、分析师数据及基本面等数据进行分析，预测股票未来涨跌幅，进行交易操作。主要策略为中高频量化策略，包括中高频Alpha策略和日内策略。鸣石投资相关负责人也称，目前中国的量化市场是一片蓝海，只有不断地在策略研发投入资本并且把握市场机遇，才能保持市场竞争力。中国的宏观经济发展长期趋势向好，当下国内市场仍有机遇。鸣石投资还是2019年度最值得信赖私募基金管理人（相对价值）"奖项得主，在私募排排网今年六月份举行的第十四届中国私募基金高峰论坛上，鸣石投资副总经理、合伙人房明先生还发表了《战国时代or蓝海行业》的主题演讲，以下为演讲全文。战国时代or蓝海行业——中国量化私募的过去与未来——房明2020年6月19日中国量化的发展已有整整十个年头。这十个年头里，来自于金融行业、金融专业，来自于物理学专业、数学专业、IT行业等各种各样的人才聚集在这个平台上，展现各自不同的人生，其实是一个非常令人感慨的过程。我希望能通过接下来短短十几分钟时间的交流，向大家汇报一下这群人在过去十年中都干了些什么，包括鸣石投资过去十年发展的心路历程。我的演讲主题是《战国时代or蓝海行业——中国量化私募的过去与未来》。大家可以看一下私募量化行业基本上是从2010年开始发展的，2010年中国有了股指期货品种，意味着量化对冲策略在国内可以正常的实施了。所以这个时间很多第一代的革命家从美国赶回国内，纷纷创立自己的量化公司。鸣石投资也是在2010年创立了自己的公司。在第一个阶段中，整个中国市场还是非常平安祥和，可以定义为“周天子”的时代，从事量化行业非常容易。当时我们做量化对冲的时候，超额比例的要求并不高，大概达到10个点的超额产品业绩就很优秀了。此外我们可以做一些期货的套利，当时主要是升水的环境，量化对冲可以非常稳定的做到15％左右。鸣石专注量化策略，不博大小盘之间的收益差，在当时量化界积攒了非常好的口碑。鸣石投资当时达到了20亿左右的管理规模。这个时代来得不算晚，但是持续的时间真的有点短，第一轮的盛宴基本在2015年结束，结束的主要原因是量化对冲的工具的状态变了，股指期货从升水的状态变成了贴水的状态，仅仅10个点的超额显得不足。第一批的量化管理人包括我们在内都受到很大的打击，传统的低频量化受到了重击。这个行业的第二轮发展基本上是从2016年开始萌芽。这两年我们发觉，越来越多的新面孔走到台上。从60年后的老一代革命家，到后来80后，直到90后也开始担任量化的掌门人。这个时代变化比较快，细想新一代的管理人相比老一代是不是更高明一点、更厉害一点？我觉得不是这么回事。2015年之前，行业的主流，我们做的策略更像美国的共同基金策略、公募基金策略。到了2016年、2017年之后，咱们做的才是比较标准的美式对冲基金策略。国内把基金分为公募和私募，这是按照身份来分类的，实际上很多私募做的策略其实和公募很像。国内并没有做策略分类，而在欧美主流的发达市场，共同基金策略和对冲基金策略是大相径庭的。前者要的是容量、后者要的超额，或是复杂一点，前者相对来讲管理规模更大一点，后者超额更高一些，两者之间没有高下之分。到底是贝莱德牛一点，还是陈茂牛一点？两个赛道没有谁比谁更牛一点。2016年到现在，市场上唱主流的是对冲基金的策略，只有对冲基金的超额，以相对小的管理规模换来相对高的超额，才能抵御更为复杂市场的对冲成本和交易成本的压力。单纯的金融学是一个方向，单纯的神经网络挖掘海量的因子也是一个方向。就金融科技的运用来讲，单纯做因子挖掘是一个门类，你把他做成机器学习的非线性处理因子也是一个门类，包括交易算法的优化也是一个方向，未来门门功课都必须补上。最近我们看到的一个现实，给我的震撼很大。就交易算法的优化角度来讲，过往我们认为一个好的交易算法能跑赢2％、3％，还能有一定容量的话，其实已经特别优秀了。如果一些小容量的算法一年能创造5％的交易成本优势，我们也觉得已经不错了。但是我们现在这个行业发展得很快。海外的券商之前很抱歉地跟我们说，他们券商开发的算法总体比对冲基金的算法还是很落后的，让我们将就着用。可想而知，那些海外的顶级机构，他们在一个95％的交易是由机构市场构成的时候，他们在算法上得做出多大的努力才能屹立不倒。而我们现在在相对宽松的市场中，我们的自我压力其实没有想象中那么大。所以就未来来讲，我们在招聘人才的角度，金融学、IT、物理或是其他学科都需要不断扩招人才，不断地综合演化和发展量化策略，这也注定了咱们的研究团队会越来越多、投研的数量会越来越庞大，这个发展趋势几乎是不可避免。这个行业发展得挺充分，生态圈已经形成。从第一轮的实践到第二轮的再度启航，第二轮总体的高度已经远远超越了第一轮。我印象中第一轮的大佬最高的管理规模对外称是百亿，其实也没到。而且在2015年之前很多的产品结构是跟结构化有关的，不单是管理型的结构。而到了当前，大家众所周知的，我们最大的量化管理公司竟然已经到达了400亿的级别。我不知道这个数字是不是非常准确，总体来讲管理规模已经是原来的几倍。包括200亿左右的量化公司，业内已经有四家左右。鸣石投资现在是80亿（注：发表该演讲的时间为2020年6月19日），未来还需要不断发展。量化生态圈也发生了很大的变化，领军的量化机构在赶超主观的大机构。相比主观的大机构，量化一直缺的是信赖，量化的技术客户往往看不懂，客户只能按照业绩本身来判断。主观的机构由于理论可解释性比较强，很多投资者还是非常信任的。在过去，量化行业存在非常大的难题，就是无论业绩多好，你很难建立真正的市场信赖。这两年情况有些改变，真正的头部机构不单是靠业绩在卖，更多的是靠信仰，或者说是在市场上、渠道上、机构间已经建立了信仰。这是非常大的质变，对量化科技本身树立了信仰，对量化头部机构树立了信仰，这是整个行业的大变化，不再是仅仅只买一个净值好的产品。我觉得这是一个行业的重要生态分化的起点。再往细看，其实真正的大机构竞争的态势也跟原来不一样了。2017年、2018年的时候，提到头部的量化机构，大家想的永远只是他的业绩有多么好，为我们带来多好的利润。现在你会发觉市场的舆论环境在改变。我觉得有这么几个方面。一是标签变了，过去我们都要贴上高频的标签，最好是200倍、300倍，越高越好，渠道才会认、销售才会认、客户才会认。这个时代你会发现，头部的机构不再贴高频的标签，我们的量化策略不光光是在做高频，我们其他频段的策略品种也开始做了。过往市场单纯强调30％、40％的超额收益，有些海外的机构认为，不应该给客户强调高收益，我们在强调这个是在通过高收益预期在做市场，而现在一定程度上均衡化的收益市场也是可以接受的。最近我做了很多场渠道机构的路演，我发现对一家真正有信仰的机构，只要每年达到10％的超额业绩，只要你每年跑赢中证500十个点，并且客户相信你的策略，到最后客户一定是盈利的，你也一定会获利，销售渠道也会非常有信心和有安全感。但是当你没有建立市场信仰之前，哪怕你做10％、20％、30％的超额，一旦碰到2018年中证500大跌，你的客户三个月、半年就赎回了，这个时候你被抛弃了，客户对量化不满意，渠道和客户都不满。当我们有头部机构带领整个行业慢慢建立信仰的时候，你会发觉我们和客户之间的关系、我们和资本市场之间的关系也在发生着变化，我们没有必要按照特别过分的要求去强调自己，或是一直标榜高收益总不是长久之计。针对策略的观念、销售的观念也变了。2017年和2018年，为了做市场的口碑，为了拿到市场的管理规模，量化机构最好的策略都是对外销售的。但是随着行业的发展，我们发现有部分的机构已经开始收敛，这才是正常的现象。就算众所周知大奖章是全美量化行业中的奇迹，西蒙斯确实是超级天才，也没有人知道他怎么做到几十年的绝对收益、多空收益是20％到30％，这种东西永远是只给你看的。而在中国，大家觉得走在路上还是能拣到宝，这其实不是正常的现象，在投资行业来讲也是不太理性的。我们现在已经看到头部的公司自营的规模也在慢慢增加。你还会发现一些新兴的小机构业绩也很厉害。小机构、刚开始发展的机构，往往是在收益的角度是有机会超越领军级的机构的。对于小机构来讲这是一个几乎必然要做得事情，如果没有非常高的超额为什么不买更稳定、更有口碑的大机构？所以这两年我们会看到很多业内的新星在逐渐地、陆陆续续参与这个市场，每年都会有一些。对小机构来讲，或是说对成长中的机构来讲，一定程度上高超额要在重要程度上优于稳定性。但是对于小的机构来讲，也不能仅仅因为没有管理规模、容量压力小就能长期保持着容量方面的优势。因为我们可能面临的局面是，大机构虽然大了，可能有一些中低频的策略的产能，但是没有放弃高频的策略。如果你是一家二、三十亿的机构，你会觉得两三百亿的机构和你之间的冲突不大。两三百亿的机构中也有四五十亿的资金做真正的高频交易，他不断的冲击小机构的市场。所以从长期的角度来讲，小机构面临的压力比以往高得多，大机构足够大的时候不会放过任何一个细分领域的市场。还有一个非常有意思的话题，这个话题不光是对小机构，对于中型机构来讲始终也是非常大的压力。我们面临一个困局、面临一个抉择，公司盈利的时候，战略上需要进一步做大，就要把利润大部分投往投研升级，投研的人力成本和硬件成本都非常高昂。但这笔资金投入后的回报是不可预测的，是完全的未知数。我们很可能是白费这笔开销，可能仍然翻不过几座大山，但是不投资的话虽然能留有短期利润，但是从投研的角度来讲往往是没有未来的。对中小机构来讲，当你没有建立信仰，没有做到真正意义上和客户、渠道间的长期信心时，在这个时代的压力是很大的。所以综合前面来看我们会发觉，虽然我们面临的好像是蓝海，但是我们面临的竞争环境相比过去更严峻了，我们看到的未来可能会更为严峻一点。在这个行业中，如果你已经跨过了几个轮次的发展，变成真正意义上有信仰的、有信赖的大机构，你的战斗力是显著增强的。但是对于发展中的机构来讲，发展的要求很紧迫、很紧急，在这几年中，如果不努力突破，也许未来就没有你的生存局面。再说一下未来，未来其实已经来了。我们原来都在讲，中国的量化市场为什么好？是因为非专业的投资占比高，是因为真正的国外大机构因为合规的问题、交易系统的问题还没有进入中国股票量化的市场。同样的事发生在期货的量化市场，现在CTA的量化市场，尤其是最挣钱的高频市场，外资机构已经来了，几乎打倒了这个市场的一大半。这样子想，如果中国的系统和合规完全和国际接轨，这个土壤早就不能养育我们了，这个土壤是养海外机构的了。总体来讲，过去的政策好坏不能单纯从本来面貌理解，而现在股票量化行业其实已经有外资在进来了，很多外资机构在香港通过A股的收益互换、通过QFII的互换已经可以投中国的市场，而且交易系统完全没有问题，对冲成本也不会比国内的贴水高。而且在海外的交易平台上，机构不仅可以做普通的对冲性交易，甚至可以做比较灵活的多空交易，而这点在国内的技术上并没有被完全实现。现在外资已经来了，来的只是一个一个小team，是一家大公司部分参与A股的研究。目前能看到大量外资还没有真正意义上入侵这个市场，但是摆在我们面前的未来真的是很严峻，大家都知道量化最终靠的就是硬件、软件相结合，投研团队和机器，而且这些都是无止境地烧钱。我们距离同行有多远，距离真正的顶级量化机构有多远？贝莱德全球有6万亿的管理规模，我们市场是100亿到400亿的管理规模，国内价量中高频的量化加起来2000多亿。一个贝莱德相当于1700个国内头部量化公司，相当于整个中高频量化行业的200倍。拿贝莱德来比有点不太合适，因为他是公募基金，他是中低频量化、ETF出名的机构。那再来看看最大的榜样之一——西蒙斯的文艺复兴，现在1100亿的管理规模，相当于中国30个最大的量化公司，相当于一个行业的4倍，一家公司是我们整个行业的4倍。就是我们面对的未来。可以想象，如果马上开放中国的市场，他们可以没有任何障碍的参与竞争，我们面临的压力是天大的！我最后的感想是，中国的量化是蓝海。对每个人而言，你的个人努力是Alpha，行业发展是Beta，量化是非常好的行业，这是Beta发展非常快的行业。但是反过来讲，这个行业过去的十年非常非常不平坦，而从另外一个角度来讲，过去的十年也许相对于未来的十年已经是很幸福的时代。

近年来金融科技公司如雨后春笋般涌现，用科技赋能金融成为最新流行趋势。而定位在人工智能、大数据企业的中译语通也在金融业务中发挥大数据和人工智能技术的优势，在纵向深耕金融科技基础上，横向布局多元场景的科技应用，主推金融科技创新发展。大数据助力金融量化发展一般来说，量化投资既要正视当前的策略困境，又要顺应资管行业变革的发展潮流，向主动量化进一步拓展，基于金融大数据，将以前人工较难考虑的因素纳入到投资模型中去，通过机器学习等人工智能方式去挖掘历史规律，发现可行的投资策略。传统量化投资主要是通过对基本面数据和交易数据进行分析来预测未来收益。其中，基本面数据是指与公司相关或者与宏观相关的数据，例如盈利，分红，GDP，CPI，利率等等；交易数据则是与技术分析相关，例如价格，成交量，资金流向等等。随着技术不断发展，量化投资还需要大量的投资者行为数据、市场舆论和情绪数据等等。对此，中译语通CEO于洋表示，中译语通五年间在大数据领域持续深耕，积累了互联网开放数据、科技数据、金融数据等庞大的数据资源，正是这些数据资源造就了庞大的市场情绪，助力另类数据在金融量化领域的创新应用。同时，于洋在谈到市场情绪对金融市场行情的影响时表示，触发市场情绪将助力更高效的市场决策，全方位感知与测量市场情绪，实时准确判断对市场的影响，对金融量化有重大意义。中译语通运用NLP金融市场情绪算法，分析政策因子、情绪因子、风控因子和成长因子等多维度参考因子，并应用至投资交易、大宗商品贸易、行业监管等不同领域，为投资者提供不同视角的市场洞察分析，发现新的市场投资机会。深挖另类数据价值关于如何以大数据、人工智能技术驱动金融量化发展，挖掘另类数据潜力并实现其价值最大化，于洋结合中译语通的实践给出了详细的阐述。中译语通基于强大的大数据及人工智能技术，对全球海量开放非结构化数据进行精细化分析和深度挖掘，构建量化模型，用量化数据计算市场信息、投资者信心等另类数据，为投资者提供投资机会分析，从全球角度制定最佳投资策略。于洋重点从市场情绪、市场情感、全球恐慌指数等独有算法与数据出发，结合数据资产、知识图谱构建能力等角度介绍了中译语通探索全球海量金融另类数据价值的技术实力和实践成果。其中，中译语通构建的上证指数量化模型超过三个月的连续交易预测趋势准确率超过85%、并且能够实现长周期、短周期和每日股指数值进行实时数据计算。具体来说，反映和影响市场变化的情绪指标是基于市场涨跌速率变化、股价、股票成交量等因子指标分析市场买卖人气；分析情绪级别、热度、变化程度及速度，通过量化方法估算全球投资者的风险资产变化情况、投资态度、投资决策以及风险承受度等指标，分析有关收益预期、利率预测等观点，反映市场买卖意愿的程度；利用外汇收益和外汇风险相关系数等因子指标建立风险偏好指数，反映市场投资者风险态度，通过提供不同视角的市场洞察分析，帮助金融从业者做出更合适的决策，提升投资回报。随着金融科技与大数据技术的不断发展，于洋表示，未来，中译语通将深度布局金融大数据，挖掘全球海量另类数据的巨大价值。通过持续深耕大数据和人工智能技术，推动金融量化科技的创新发展。来源：东北新闻网